基于深度学习的决策支持系统,用于在基于液体的细胞学巴氏涂抹中识别宫癌
Ghada Atteia1, Maali Alabdulhafith1, Hanaa A Abdallah1
1Department of Information Technology, College of Computer and Information Sciences, Princess Nourah bint Abdulrahman University, P.O. Box 84428, Riyadh 11671, Saudi Arabia.
概括
一个新的AI系统使用深度学习精确地从巴氏涂片图像中检测出宫癌. 这种先进的计算机辅助诊断显著提高了早期检测率,并减少了女性癌症的诊断时间.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 宫癌是女性癌症死亡的主要原因,主要是由持续的人类乳头瘤病毒感染引起的.
- 基于液体的细胞学 (LBC) 是早期检测的标准,但显微镜评估耗时且容易引起观察者变异.
- 人工智能 (AI) 具有加速诊断和提高宫癌查准确性的潜力.
研究的目的:
- 开发一种新的基于深度学习的决策支持系统,用于在LBC涂抹图像中识别宫癌.
- 与传统方法相比,提高诊断效率和准确性.
主要方法:
- 开发了一种混合功能减少和优化模块,将稀疏的自动编码器与二进制哈里斯霍克优化相结合.
- 三个预训练的卷积神经网络 (CNN) 提取了特征,然后通过优化模块进行了改进.
- 贝叶斯优化的K近邻 (KNN) 分类器被用于宫癌分类.
主要成果:
- 该系统实现了高分类准确率99.9%.
- 它在检测子宫癌阶段方面表现出色,灵敏度为99.8%.
- 该系统以99.9%的特异性确定了宫癌阶段的缺失.
结论:
- 拟议的人工智能系统显著优于现有的深度学习方法用于宫癌的识别.
- 这种先进的系统有望减少诊断延迟并改善宫癌查患者的结果.
